IEEE Fraud Detection Competition思路探索

• 训练集和测试集的数据分在两个不同的表里。通过统计发现只有少部分train_transaction中的TransactionID可以在train_identity中找到对应
  区分新广告与就广告

# Here we confirm that all of the transactions in `train_identity`
print(np.sum(train_transaction['TransactionID'].isin(train_identity['TransactionID'].unique())))
print(np.sum(test_transaction['TransactionID'].isin(test_identity['TransactionID'].unique())))
输出：
24.4% of TransactionIDs in train (144233 / 590540) have an associated train_identity.
28.0% of TransactionIDs in test (144233 / 590540) have an associated train_identity.

• TransactionDT 列是时间相关的特征，train_transaction和test_transaction之间没有重复的部分。

train_transaction['TransactionDT'].plot(kind='hist',
                                        figsize=(15, 5),
                                        label='train',
                                        bins=50,
                                        title='Train vs Test TransactionDT distribution')
test_transaction['TransactionDT'].plot(kind='hist',
                                       label='test',
                                       bins=50)
plt.legend()
plt.show()

TransactionDT：来自给定参考日期时间的timedelta（不是实际时间戳）
TransactionAMT：以美元计算的交易付款金额
ProductCD：产品代码，每笔交易的产品
card1 - card6：支付卡信息，如卡类型，卡类别，发行银行，国家/地区等。
地址：地址
dist：距离
P_和（R__）emaildomain：购买者和收件人电子邮件域
C1-C14：计数，例如发现与支付卡相关联的地址数等，实际含义被掩盖。
D1-D15：timedelta，例如上次交易之间的天数等。
M1-M9：匹配，例如卡片上的姓名和地址等。
Vxxx：Vesta设计了丰富的功能，包括排名，计数和其他实体关系。
分类特征：
ProductCD
card1 - card6
addr1，addr2
Pemaildomain Remaildomain
M1 - M9

身份表*
该表中的变量是与交易相关的身份信息 - 网络连接信息（IP，ISP，代理等）和数字签名（UA /浏览器/操作系统/版本等）。
它们由Vesta的欺诈保护系统和数字安全合作伙伴收集。
（字段名称被屏蔽，并且不会提供成对字典用于隐私保护和合同协议）

分类特征：
设备类型
设备信息
id12 - id38

• Categorical Features - Transaction

ProductCD
emaildomain
card1 - card6
addr1, addr2
P_emaildomain
R_emaildomain
M1 - M9

• Categorical Features - Identity

DeviceType
DeviceInfo
id_12 - id_38